5G+AI
人工智能技术发展历程
人类历史上经历了三次工业技术革命，包括以蒸汽机、内燃机为代表的机器代替手工业的蒸汽时代，以电力、能源为代表的电气时代和以计算机、网络技术为代表的信息时代。如今，第四次工业革命已悄然到来，这是一次以人工智能、新型通信技术、清洁能源、机器人技术、量子信息技术和生物技术等为代表的智能时代。在这个时代，人工智能将作为核心技术驱动，赋能机器和物，使其具有主动学习、自主组织和决策的能力。人工智能是未来20年内最主要的技术趋势，它的发展对时代和社会发展具有重要意义。
人工智能是研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新技术科学。 [2] 人工智能的核心问题包括构建与人类相似甚至超越人类的推理、知识、规划、学习、交流、感知、移动和操作物体的能力等。人工智能试图了解智能的本质，研究的目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、图像识别、智能语音、语言处理和理解、规划与决策等。
人工智能的诞生可以追溯到1956年的达特茅斯会议，这一会议由麦卡锡、明斯基、洛切斯特和香农等人发起，其目的是使计算机变得更“聪明”，或者说使计算机具有智能，由此开展会议讨论，经麦卡锡提议正式采用了“人工智能”这一术语。在更早的1950年，“计算机科学之父”图灵提出了一个关于思想的操作性定义——图灵测验，如果有机器能够通过图灵测试，那它就是一个完全意义上的智能机，图灵也因此成为人工智能之父。从20世纪50年代至今，人工智能的发展经历了几次大起大落。从人工智能诞生之际，20世纪50年代到20世纪70年代初，人工智能研究处于“推理期”，机器定理证明、智能跳棋程序和感知机等工作取得了令人振奋的成果，基于逻辑表示的符号主义学习技术盛行，人们对机器学习怀抱很大希望。但是到了20世纪70年代初，人工智能定理证明发展表现乏力，曾一度被看好的神经网络技术，由于过分依赖计算力和经验数据量，单层线性神经网络无法解决“异或”等非线性问题，多层网络的训练算法尚看不到希望等原因受到搁置， [3] 各国政府均减少人工智能方面的投入，人工智能进入第一次寒冬。
20世纪70年代中期到20世纪90年代，人工智能进入“知识期”，大量专家系统问世，在很多应用中取得了丰硕的成果，但是专家系统依旧面临瓶颈，学界认为由人来总结教给机器的知识不是真正的人工智能。同期，“从样例中学习”的思想初显锋芒，基于符号主义的学习依旧占据主流地位，其代表包括决策树和基于逻辑的学习等。20世纪90年代后，统计学习闪亮登场并迅速占据舞台中心，代表性技术是支持向量机方法，而此时具有代表性的事件是IBM（国际商用机器公司）的“深蓝”战胜国际象棋冠军卡斯帕罗夫。21世纪初，以2006年欣顿在《自然》杂志上发表的论文为起始，神经网络以“深度学习”为名卷土重来，借助云计算、大数据等计算机领域新兴发展技术，计算力的提升使深度学习在图像识别、语音识别等领域取得了瞩目的成就。2016年谷歌公司的阿尔法围棋机器人横空出世，打败了人类围棋世界冠军，人工智能再次掀起热潮，并迎来了新一轮的发展时机。此时各种语音、图像识别能力发展与相关公司产品的出现，让人工智能走在时代发展的前列。
人工智能的核心技术是机器学习，按学习策略，机器学习可分为监督学习、无监督学习、半监督学习和强化学习。监督学习是指使用有标注的数据集进行学习的方法，由于有标注的先验知识，通常具有较好的准确性表现。无监督学习方法不需要数据标注，从原始数据进行学习，典型的有聚类方法等。无监督学习应用广泛，但是其准确性通常没有监督学习高。半监督学习介于以上两者之间，使用部分的标注数据进行学习。强化学习则是通过“试错”的方式进行学习，与前面三种不同。
人工智能的产业应用随着其算法能力的提升越来越广泛，现有人工智能产业的发展可以细分为4次不同的应用浪潮。第一次应用浪潮是互联网智能化，丰富的互联网数据是其发展的能源，为人工智能技术的起飞准备了充足的燃料，但是此时人工智能应用处于初级阶段，成型的人工智能应用并未出现。第二次应用浪潮是商业智能化，非互联网公司借助商业理由积攒数据，并使用人工智能技术在商业流程中产生价值，如智能营销、智能投顾等。第三次应用浪潮是交互入口的智能化，即摄像头、智能音箱等实体世界智能化，具体应用涵盖诸如机场和银行等的人脸识别检测、交通管理中的车牌识别、国际会议和旅游助手的机器同声翻译、苹果手机的智能语音助手Siri和小米智能音箱等。第四次应用浪潮即将或者说已经启动的是全面智能化，如机器人技术、自动驾驶技术等。
人工智能可应用的范围很广，但是其在进入生产、生活行业应用时面临诸多问题，最突出的是端侧高成本、质量差、安全控制等，这些问题导致实际真正规模商用的应用很少，给社会带来效率提升的人工智能杀手应用更是凤毛麟角。
5G引燃人工智能应用爆发式增长，构筑智能社会的核心引擎
10年前，我们根本想象不到不带钱包出门，出门开车不用提前查地图，通过语音可以直接控制手机、音响、电视等电子设备甚至和它们聊天。而今天这些场景已经成为我们普通老百姓的日常生活状态，这正是10年来“4G+”移动互联网应用带来的叠加效应，这一效应在给大家的生活带来前所未有的便利的同时，也让大家的很多生活习惯和行为模式发生了巨变，并由此带来了社会生产效率的提升和生产力的变革。
和4G网络催生众多移动互联网应用一样，5G网络必将催生出更丰富、更加超乎想象的全新应用。5G网络因其高带宽、低时延、大连接的特点，以及云化、虚拟化技术的广泛应用，将有效帮助人工智能技术解决规模推广中面临的用户端设备成本高、数据获取难度大、质量参差不齐、信息传输安全可控性低等问题，从而促进人工智能技术的大规模、普适性发展及应用落地，全面支撑数字经济社会构建，为人类社会带来全新的智慧生产模式和生活方式。本节以人工智能技术最常见的三大应用（自动驾驶汽车、VR、云服务机器人）为例，阐述5G网络如何解决人工智能应用推广中面临的问题及给人类社会带来新的生产生活方式。
自动驾驶汽车是人工智能赋能实体行业的典型应用，人工智能技术的应用可缓解交通拥堵、降低交通事故率，构建安全、高效的出行模式，对汽车产业变革、城市交通规划具有深远影响。自动驾驶汽车目前在部分特定领域的应用已经从局部走向商用，但其距离真正实现全面的驾驶自动化仍有较大的差距，究其原因主要是自动驾驶需要有足够的冗余性和突发情况应对措施，才能够确保安全，这就对感知能力、决策能力、芯片产业等都提出了很高的要求。同时，即便技术上可行，自动驾驶的成本也是非常高昂的，目前应用在自动驾驶汽车上的激光雷达、芯片等软硬件设施成本都很高，且考虑到单车环境下冗余性，成本会进一步加倍增长。因此，为解决上述问题，目前采用构建车车协同、车网协同、车路协同的方式去实现整个自动驾驶体系，是降低成本、提高安全性的重要措施。而5G网络中的V2X技术，正好针对自动驾驶中的车车协同、车路协同的特殊通信需求，提供了定制化网络链接服务，解决了自动驾驶汽车在商用进程中面临的高成本、环境协同控制等多种问题，加速了自动驾驶的商用进程，引爆其规模增长。
VR/AR是新生代的信息交互技术，近年来发展非常迅速，它将带来各行业交互应用的根本性变革，大大提升用户的知觉体验。VR/AR相关的3D环境理解、3D交互理解、多样化交互体验功能是人工智能技术的典型应用。3D环境理解主要对应的是计算机视觉技术，近年来深度学习在计算机视觉中得到广泛应用；
3D交互方面，更趋自然的交互方式如手势和语音在硬件终端的使用，得益于近几年深度学习等人工智能技术在相关领域的突破。由于VR/AR内容的码率很高，一般我们认为其码率将远超现有的4K/8K视频码率，再加上在线的实时交互应用种类繁多，一次VR/AR交互将包含大量的图像数据、语音数据以及基于不同角色和视角的计算数据传输交互，这就意味着VR/AR对运营商网络的带宽需求将呈现爆炸式增长，其需求将远超现有4G网络带宽服务能力。因此，目前受到4G带宽的限制，VR/AR发展缓慢，用户无法仅靠移动终端实现对体育赛事和演唱会等大型场景的全方位沉浸式体验观看。而5G对高清视频、VR/AR沉浸式内容有更好的承载力，相比4G网络，5G网速最快将会有100倍的提升，数据传输的延迟将不超过5毫秒，而且峰值速率可达20Gbps，是4G的20倍，这意味着下载一个8GB的VR/AR视频只需要6秒钟（而同样的视频在4G网络下下载的时间是7~8分钟）。
5G在传输上具有两个特点——高带宽、高速率，这两点能有效解决VR/AR内容传输问题，尤其是8K及以上超高清内容的传输，从而避免由于4G传输速度慢引起的用户VR/AR沉浸式体验眩晕感，促进其商用进程，引爆VR应用的规模增长。
机器人的智能水平高低无疑体现了现在的人工智能化水平，它的发展应用是“5G+AI”的又一次典型结合，其发展也无疑会革新人类社会的生产生活方式。家庭清洁机器人、巡逻型机器人、迎宾机器人等垂直功能型机器人由于运行环境、服务内容相对单一或固定，智能化水平有限，因此通常仅依赖单机能力和有限的网络连接即可满足其感知、计算能力要求，实现既定功能。生活服务型机器人由于需要在更多样化的人类日常生活环境中代替或部分代替人类完成琐碎的工作，为人类提供生理活动及心理关怀服务，因此对于其智能化水平在部分领域提出了接近人类的要求。根据斯坦福大学生物工程系波沙教授2010年的研究，如果半导体技术要复制人脑相同规模的神经元和连接数，其重量和耗电量将达到人脑的100万倍。 [4] 即使考虑半导体技术的发展进步，在未来的数十年内，智能服务型机器人也很难依靠单机支撑上述智能化要求，因此，必须把机器人的大脑置于云端，使其成为云服务机器人。而云端大脑加单机感知、执行机构的架构，则意味着每个服务机器人都必须与云端保持高频度、低时延、高可靠及安全的通信网络连接。现有的4G网络虽然能在少部分场景下满足云服务机器人的网络连接需求，但其在带宽、时延等方面仍然会给云服务机器人的一些基本应用功能带来较大限制，进而大大影响云服务机器人的产业化和规模化发展。而5G网络大带宽、低时延的特性，正好匹配云服务机器人的网络连接需求，因此能够大大促进云服务机器人的商用，在成本可控的前提下，通过优质可靠的通信网络保障云服务机器人的业务质量和用户体验得以不断提升，从而引爆其规模化增长。
综上所述，基于海量数据的人工智能应用，在高速发展的同时也带来了更高的网络需求，主要体现在网络连接数、带宽能力、低时延要求三个方面。第一，自动驾驶类相关应用中，用于大规模数据采集的传感器数量将引发网络连接数需求激增。第二，VR/AR类相关应用中，海量数据交互、处理等将引发网络带宽需求的激增。第三，人工智能交互应用的实时性对网络低时延的要求更高。各行业领域人工智能应用的大量涌现将对运营商现有4G网络能力形成巨大的挑战，而5G网络的大连接、大带宽、低时延等关键能力，将支撑人工智能应用的快速发展。总之，在4G时代，电信网络曾助力移动互联网业务的繁荣发展，而在即将到来的5G时代，大连接、大带宽、低时延的新型电信网络，将助力人工智能业务应用的爆炸性增长，开启智慧生产生活新篇章。
人工智能赋能5G，构建智能驱动的新一代移动通信网
5G网络在性能提升和应用灵活性上带来改变的同时，其网络运营的复杂度也在显著提高，这给5G网络的运营和维护带来前所未有的挑战。人工智能技术在解决复杂度高、变化频度高、不确定度高等类型问题时显示出的突出优势，能大大帮助5G网络在发展过程中应对网络运维复杂度高、网络设备能耗高、业务灵活性需求高、网络状态变化多样等挑战，实现更高效、成本更低的网络运营维护，达到更优质、更加贴近用户需求的业务体验。本节以5G网络运营交付中面临的典型问题为例，向各位读者阐明人工智能技术是如何赋能5G，为各行各业提供智能驱动的网络运营交付能力的。
第一，在5G网络灵活交付能力方面，5G网络切片使得运营商可以面向各行各业的不同特性实现网络服务按需定制、实时部署、动态保障、提升网络交付的动态性和灵活性。然而，该特性的使用要求运营商根据客户需求选择合适切片和更细粒度的子切片，再将切片指标下发到接入网、传输网和核心网等各领域。在这个过程中网络不仅需要端到端的横向管理，而且需要从物理层、资源层、切片层到应用层的纵向关联。跟传统网络相比，网络切片在网络设计、部署、交付、运维方面带来的复杂性，对运营商是一个极大的挑战，传统运营方式无法满足其需求，这就需要引入人工智能技术解决上述复杂问题。人工智能的回归预测、聚类、优化决策技术，结合对用户需求的监控和拟合以及网络状态数据的实时分析，可形成切片策略。运营商再通过策略下发和自动化执行，实现切片网络灵活快速交付。因此，人工智能的引入能够帮助运营商实现切片灵活性和切片管理复杂度之间的最佳平衡。
第二，在5G业务体验保障方面，依托5G网络能力和丰富的业务发展，5G业务体验也将随之呈现出多样化、个性化发展态势，比如沉浸式体验、实时交互、情感和意图精准感知、所想即所得等，5G网络对于业务体验的支撑保障，将颠覆传统模式，迎来全新挑战。以沉浸式体验感知为例，如何对用户听觉、视觉、交互等多维度体验进行综合评价进而实现网络连接资源的动态保障，变成了一个复杂、不确定性问题，传统的尽力而为的网络资源管理难以满足用户体验要求。因此，5G网络需要借助人工智能的语音识别、情感分析、图像检测、综合决策等技术，对用户体验进行实时综合评价和感知，并利用人工智能优化控制和智能决策能力，基于用户感知需求实现对网络资源的动态管理和调度。
第三，在5G网络自身运营维护方面，以5G无线接入网的最具代表性的创新技术Massive MIMO（大规模天线技术）为例。相对于4G网络3D–MIMO的单广播波束和插花部署方式，5G网络中Massive MIMO天线优化难度极高。其主要技术难点包括广播波束更多，权值模板选择空间更大。相邻小区的波束时序配置影响干扰协调，配置复杂度进一步提高。连续组网对整体区域的覆盖、干扰、容量联合优化难度极高。基于专家经验的传统天线优化方案将不具备5GMassive MIMO现网大规模应用的可实施性。因此，5G网络需要具备Massive MIMO天线的智能优化配置能力，利用机器学习方法，对天线权值模板进行自动化配置，以匹配覆盖区域的传播模型、业务流量、用户分布特征，实现覆盖、干扰、容量等性能的区域最优化。进一步地，随着上述特征变化和性能反馈，网络能够利用强化学习等技术迭代更新算法模型，实现天线配置的动态调整和迭代优化。
构建人工智能原生的5G网络，打造AIaaS创新能力
人工智能原生愿景
在高速发展的互联网时代，构建人工智能原生的5G网络，实现5G与人工智能的深度融合，可以大大提升网络效率，降低运营成本，实现网络的智能可视、智能运维、智能规划、智能安全等，从而使5G网络变得更加智能、高效、便捷、安全。构建人工智能原生的5G网络主要包含如下四大发展愿景。
网随人动
传统的2G、3G、4G网络是静态网络，网络容量、网络服务、网络资源、网络参数均基于规划且在较长时间范围内保持不变，面对5G垂直行业大量差异化需求和服务的涌入以及边缘多样化应用大量增加等情况，传统的“人适应网”的网络服务模式导致的网络僵化、服务滞后等短板将无法适应新需求的发展。
软件化的5G网络结合人工智能技术，基于网络海量数据对网络运行状况、行业和用户行为特征，以及网络内容流向进行深入剖析，精准地为用户提供合理的网络服务，并实现网络闭环自治化，引导5G全网资源更合理地布局，提升用户体验和网络整体效率。
私人定制
传统的2G、3G、4G网络向大众用户提供的均是有限的统一资费套餐与标准化的业务和服务，大众用户的可选择性很小。面向部分垂直行业客户提出的专有网络的需求因为网络部署复杂，业务形态僵化无法动态升级等问题导致专有网络发展范围非常受限。
5G定制化的网络服务对满足行业和用户个性化需求具有重要意义。网络数据的海量增长和人工智能的崛起为面向用户的定制业务带来了新的契机，其可运用数据采集和智能机器学习，为用户推荐符合用户意图的网络服务，精准地实现“一人一策”的网络服务定制。在企业和行业方面，运营商同样可运用数据采集和智能机器学习，深度挖掘企业和行业客户的业务特点，综合感知网络能力，提供定制化的网络服务。
智能安全
人工智能和业务、网络安全管理的紧密结合，能够大大提高网络安全技术的应用水平，有效保障业务和网络安全。基于网络海量数据，系统利用人工智能强大的理解和推理能力快速分析并判断潜在安全隐患，提前预警，最终保障网络、业务、社会生产生活安全。
智慧运营
未来5G网络需要根据动态情况对网络进行资源调度、优化以及故障排除，实现网络的智慧运营。利用机器学习技术对用户行为、网络业务及相应资源需求预测和评估，结合网络的动态情况进行主动式运维，保障网络资源动态调整，实现资源最大化利用。通过基于人工智能的网络优化技术，对表征智能网络特性的海量数据加以分析，建立合理的智能量化模型，并基于模型对网络业务进行实时处理，从而保证最佳的网络运行状态。通过基于人工智能的故障排除技术，基于海量历史故障数据和故障解决数据，创建故障事件和特征匹配规则库，针对网络告警数据自动选择最优解决方案，保障和管理好整个通信网络。
依托5G网络的大数据以及运营商内部的人工智能平台，发挥人工智能算力优势，打造连接与智能融合服务能力，赋能外部应用，推动行业发展。重点是面向网络、服务、管理、安全、市场等几大领域，发挥运营商场景优势，提供AIaaS能力，加速智慧应用落地。
人工智能原生5G架构
为了实现人工智能和5G深度融合，真正推动数字经济发展，技术对通信产业的网络架构、技术体系、人才储备、组织架构和运营机制都带来了全新要求。人工智能原生的5G网络架构需兼顾人工智能技术和通信技术特点，一方面将人工智能能力融入5G网络各个环节，使人工智能成为5G网络的重要能力，另一方面面向人工智能技术特点和对网络的新要求，改造网络能力，使得网络服务能够更适合人工智能应用，通过构建人工智能原生的网络技术体系和架构，实现“5G+AI”融合、融智。
人工智能原生的5G网络架构要求从终端、网元、网管、人工智能引擎/能力等多个层面统一规划，具备更加开放、灵活、动态的控制和管理能力，具备四大核心能力（见图8–1）。
• 基础网元自优化：网元是承载“5G+AI”能力的基础设备，除了5G自身的通信协议处理、信号收发及数据传输外，该网元要求能够基于获得的局部数据实现网元自身的感知，并使用人工智能算法和策略进行自环分析决策，同时能够针对外部跨域的控制决策进行执行，因此在网元层面要求能够尽量将数据和控制能力进行开放。
• 网络管理智能化：智能网管是5G智慧网络对内管控的中枢神经和大脑，其旨在实现网络运营维护效率的提升。智慧网管具备统一、全方面的网络大数据的采集、智能化分析决策和集中配置管控能力，并拥有实现智能化的网络编排、规划、优化和维护等功能。
• 人工智能能力平台化：人工智能能力及开放平台是“5G+AI”对内对外提供服务和开放能力的平台，其核心能力更多的是以微服务的形式进行提供，其中主要包括三方面能力：一是人工智能类核心能力，如自然语言、人机对话、图像视频、智能语音、结构化数据、智能搜索、智能推荐、营销智能化、网络智能化等方面；二是人工智能赋能网络类能力，如智能MEC（多接入边缘计算）、智能切片、智能资源调度、智能QoS（服务质量）等方面能力；三是通过对问题抽象、数据、环境、计算资源等共享，联合科研院校、各大互联网公司、人工智能技术提供商、电信企业甚至个人开发者，促进多方共同参与，群策群力，共同为“5G+AI”智慧应用贡献力量。通过上述能力的组合和叠加，平台能实现三大价值：
一是开放网络能力，赋能千行万业；二是对接网络内外，使能全流程自动化；三是导入外部能力，构建“5G+AI”生态圈。
• 数据管理人工智能化：数据是人工智能技术的燃料，人工智能技术要真正应用于生产生活中，数据是重中之重，谁掌握了数据，谁就掌控了人工智能技术前进和提升的动力。相应地，人工智能技术对数据有很高的要求，数据要能够代表问题本质特性，最好是原始的、未加工过的数据，只有这样的数据，才能够有效发挥以深度学习为代表的新一轮人工智能技术革命中“表示学习”的优势。因此，运营商要以人工智能技术应用需求为导向，构建一套符合人工智能技术特点的5G网络数据管理体系，实现低成本、高效的数据采集、加工、处理、存储全流程，支撑“5G+AI”应用发展。
人工智能原生5G发展思路
要想实现将人工智能技术引入5G各环节中，就需要围绕人工智能技术应用的闭环全流程，即数据采集、存储、人工智能感知分析、人工智能决策、自动执行到效果评价等环节，针对每个环节逐一进行评估，并结合网络不同层面智能化应用的需求和特性，有针对性地部署相应的能力要求。例如，全网资源调度处于5G网络智能化的顶层，应支持跨领域的全局性数据收集、算法设计、模型训练、策略决策和下发执行，并和下层网络的智能化能力形成双向联动。在5G网络智能化的分层架构中，越上层、越集中化，跨领域分析能力越强的部分就越适合对全局性的策略集中进行训练及推理，比如跨域资源调度、端到端编排、跨域故障自愈等，这通常对计算能力要求很高，需要跨领域的海量数据支撑，对实时性要求一般敏感度较低。越下层、越接近端侧，专项分析能力越强的部分对实时性往往有越高的要求，比如5G移动性策略、边缘计算实时控制等，但其对计算能力依赖度不高，一般适合引入嵌入式推理能力，或结合MEC，部署具备一定实时处理能力的轻量级训练引擎。
不管未来描述得多么美好，最后都要回归到商业价值上，只有“5G+AI”真正产生了对企业、对社会有规模价值的应用才有效。我们提出了以价值驱动为核心的推进思路和方法，通过分析应用核心价值，筛选价值高的活动流程，对其率先投入精力研发，并通过以点带面的方式，逐步达到最终目标。价值驱动包括商业价值驱动、技术价值驱动、社会机制驱动和竞争价值驱动，其中商业价值驱动是指通过人工智能技术的高效率运营和规模化部署，5G生产流程带来大规模降本增效的成果，从而最大限度地产生商业价值。技术价值驱动：以5G的特定场景和海量应用数据为依托，推动人工智能技术创新，引领人工智能技术发展方向。社会价值驱动：通过5G和人工智能融合，促进多产业互动，推动社会发展前进。竞争价值驱动：对“5G+AI”领域提前布局，从而保持行业竞争优势。
5G连接无处不在，人工智能应用无处不在。“5G+AI”将让未来的网络从提供管道转变为利用网络本身的智能化能力，为用户提供更丰富、更加智能的业务和服务，让个人用户的工作、生活、娱乐有更加高效、优质的体验，让企业用户在提高生产效率的同时发展出更多的创新产品和业务，让我们的城市管理、公共安全保障、环境治理等方方面面更加高效有序。因此，5G与人工智能的结合，使得我们的网络更加智能化，二者的结合成为构建整个智能社会的重要基石之一。“5G+AI”能够真正实现5G网络信息随心至、万物触手的美好愿景和5G改变社会的宏伟目标。
